LLaMA-Factory微调多模态大模型Qwen3-VL

优质文章学习记录

— 9 min read
LLaMA-Factory微调多模态大模型Qwen3-VL

LLaMA-Factory微调多模态大模型Qwen3-VL

目录

LLaMA-Factory微调多模态大模型Qwen3-VL

1. 显卡驱动

2. 模型微调

3. 模型导出

4. 模型部署：vLLM服务

5. 测试效果

1. 显卡驱动

  • 显卡型号：NVIDIA GeForce RTX 3090 24G
  • 显卡驱动：NVIDIA-SMI 535.171.04            
  • CUDA: 12.2 ,Driver Version: 535.171.04  
微调Qwen3-VL-2B模型，至少需要12G显存

2. 模型微调

项目采用大型语言模型工厂（LLaMA-Factory）对大模型微调，目前可支持Qwen3 / Qwen2.5-VL / Gemma 3 / GLM-4.1V / InternLM 3 / MiniCPM-o-2.6等大模型。下面以微调Qwen3-VL-2B-Instruct作为例子进行说明。

微调之前，请先下载Qwen3-VL基础模型。下载方法可以选择modelscope和huggingface，国内建议选择modelscope，避免翻墙问题。

modelscope下载Qwen3-VL-2B-Instruct方法，模型默认保存在~/.cache/modelscope/hub/models/

# 使用modelscope下载模型Qwen3-VL-2B-Instruct # 模型保持在 ~/.cache/modelscope/hub/models/ modelscope download --model Qwen/Qwen3-VL-2B-Instruct

微调其他Qwen3-VL版本，请参考地址：

  • https://www.modelscope.cn/models/Qwen/Qwen3-VL-2B-Instruct
  • https://www.modelscope.cn/models/Qwen/Qwen3-VL-4B-Instruct 
  • https://www.modelscope.cn/models/Qwen/Qwen3-VL-8B-Instruct

LLaMA-Factory​安装教程，请参考官方文档：

https://github.com/hiyouga/LLaMA-Factory

安装好LLaMA-Factory后，激活环境，然后终端输入（默认端口是7860）：

export CUDA_VISIBLE_DEVICES=0 # 指定运行GPU export GRADIO_SERVER_PORT=30000 # 指定gradio的端口(默认是7860，这里修改为30000) export GRADIO_TEMP_DIR="~/.cache/gradio" # 指定gradio临时缓存路径，解决上传图片权限的问题 llamafactory-cli webui # 启动llamafactory web服务

浏览器打开url http://0.0.0.0:30000/ (http://ip:port,默认端口是7860，为避免端口冲突，可以通过export GRADIO_SERVER_PORT=30000修改端口),并按照配置如下信息:

  • 模型名称：选择“Qwen3-VL-2B-Instruct”，你也可以使用Qwen3-VL更大参数量的模型，如7B
  • 模型路径：请填写服务器Qwen3-VL-2B-Instruct模型文件路径绝对地址
  • 模型下载源：可以选择“modelscope”和“huggingface”，国内建议选择“modelscope”避免翻墙。注意：选择“modelscope”时，模型路径必须填写绝对地址，否则不能正常加载模型。
  • 微调方法：建议选择“lora”
  • 数据路径：数据路径必须包含dataset_info.json，默认是LLaMA-Factory项目的./data路径，由于我们使用外部数据训练，因此数据路径设置为我个人的项目（MLLM-Factory）根目录./data绝对路径。MLLM-Factory/data已经存在了dataset_info.json数据集。
  • 数据集： 数据集采样sharegpt格式，项目已经构建了一个多模态数据集anomaly-train 这是一个异常行为的视频数据集，详细说明请参考https://panjinquan.blog.ZEEKLOG.net/article/details/156240847
  • 预览数据集： 如果数据路径正常，点击“预览数据集”，可以正常查看数据的，反之数据路径错误。
  • 预览命令：可以查看训练的命令行
  • 开始： 一切准备好后，点击开始训练
  • 如果训练正常的，可以出现如下信息：

3. 模型导出

基于LoRA训练的模型，默认情况下，输出目录只保存了增量的训练参数；你还需要将原始基础模型(--model_name_or_path)和LoRA适配器参数(--adapter_name_or_path)进行合并，生成一个独立的、无需额外加载适配器即可运行的完整模型，便于后续部署或分享。

#!/usr/bin/env bash # TODO Lora+model合并,参数说明： #--model_name_or_path：原始基础模型路径,可使用modelscope download --model Qwen/Qwen3-VL-2B-Instruct下载 #--adapter_name_or_path：LoRA适配器路径（即训练输出目录） #--export_dir：合并后模型的保存路径 #--template default：Qwen3-VL 可使用 default，也可尝试qwen_vl（但通常自动识别） #--trust_remote_code True：Qwen系列模型必需 export CUDA_VISIBLE_DEVICES=0 model_name_or_path=~/.cache/modelscope/hub/models/Qwen/Qwen3-VL-2B-Instruct adapter_name_or_path=saves/Qwen3-VL-2B-Instruct/lora/train_2025-12-22-18-08-22/checkpoint-440 export_dir=saves/Qwen3-VL-2B-Instruct/lora/train_2025-12-22-18-08-22/Qwen3-VL-2B-Instruct llamafactory-cli export \ --model_name_or_path $model_name_or_path \ --adapter_name_or_path $adapter_name_or_path \ --template default \ --finetuning_type lora \ --export_dir $export_dir \ --trust_remote_code True
  • llamafactory-cli export调用 LLaMA-Factory 的命令行接口（CLI），执行 export 操作，即导出合并后的模型。
  • model_name_or_path $model_name_or_path指定基础模型（base model）的路径或 Hugging Face 模型 ID。例如：Qwen/Qwen3-VL-2B-Instruct或本地路径~/.cache/modelscope/hub/models/Qwen/Qwen3-VL-2B-Instruct。
  • adapter_name_or_path $adapter_name_or_path指定微调后保存的 LoRA 适配器（adapter）的路径。通常是通过 LLaMA-Factory 微调后生成的包含 adapter_model.safetensors 或 adapter_model.bin 的目录。
  • template default指定对话模板（chat template）名称。default 表示使用 LLaMA-Factory 中预设的默认模板（通常适用于无特殊对话格式的模型）。其他值如 llama3、chatglm3 等会根据模型格式自动选择对应的输入格式。
  • finetuning_type lora指定微调方法类型。此处为 lora，表示使用的是 LoRA（Low-Rank Adaptation）微调。LLaMA-Factory 也支持 full（全参数微调）或 pissa 等类型。
  • export_dir $export_dir指定合并后模型的输出目录。导出的模型将保存在此路径下，包含 tokenizer、config、权重等完整结构，可直接用于推理或部署。
  • trust_remote_code True允许加载远程自定义代码（如某些 Hugging Face 模型需要 modeling_xxx.py 等自定义文件）。对于需要自定义建模逻辑的模型（如 ChatGLM、Qwen 等）必须启用该选项。

4. 模型部署：vLLM服务

模型训练好后，项目推荐使用vLLM部署模型

#!/usr/bin/env bash # TODO 启动vllm服务 export CUDA_VISIBLE_DEVICES=0 # http://0.0.0.0:8000/v1 # model_path=~/.cache/modelscope/hub/models/Qwen/Qwen3-VL-2B-Instruct # 原始基础模型路径 model_path=saves/Qwen3-VL-2B-Instruct/lora/train_2025-12-22-18-08-22/Qwen3-VL-2B-Instruct # Lora微调(合并)后的模型路径 vllm serve $model_path --dtype auto --max-model-len 7680 --max_num_seqs 32 --api-key token-abc123 --gpu_memory_utilization 0.95 --trust-remote-code
  • api-key是自定义的服务接口的API访问密钥，后面接口调用需要使用。户端请求需包含：Authorization: Bearer token-abc123，保护服务器免受未授权访问
  • model_path 请填写Lora微调(合并)后的模型路径
  • dtype auto自动选择模型加载的数据类型，优先使用模型配置文件指定的 dtype。如果没有指定，会根据模型大小和可用 GPU 内存自动选择。常见选择：float16、bfloat16、float32
  • max-model-len 设置模型支持的最大上下文长度（token 数），通常是 2048 或 4096
  • max_num_seqs 设置批处理的最大序列数，控制同时处理的最大请求
  • gpu_memory_utilization 设置 GPU 内存利用率目标，0.95 的含义：尝试使用 95% 的可用 GPU 内存

启动成功后，可以看到 Starting vLLM API server 0 on http://0.0.0.0:8000等信息，这是就是vLLM服务接口，后续可以基于该接口实现聊天对话功能。关于接口说明，请参考https://vllm.hyper.ai/docs/

5. 测试效果

调用vLLM API进行多模态对话，测试脚本如下：

# -*- coding: utf-8 -*- import os import traceback from openai import OpenAI from pybaseutils import image_utils, base64_utils url = "http://0.0.0.0:8000/v1" # vLLM地址 url + /chat/completions key = "token-abc123" # API密钥,需与启动服务时设置的(--api-key)保持一致 class Client(): """调用vLLM API进行多模态对话""" def __init__(self, url, key, model=None): """ 初始化Client类 :param url: vLLM API地址 :param key: API密钥 :param model: 模型名称 """ self.url = url self.key = key self.model = model self.services = OpenAI(api_key=self.key, base_url=self.url) print(f"url:{self.url}, key:{self.key}, model:{self.model}") def chat(self, messages, T=0.0): """ :param messages: 多模态消息列表 :param T: 温度参数 :return: 模型回复内容 """ result = None try: response = self.services.chat.completions.create(model=self.model, messages=messages, seed=2024, temperature=T) contents = response.choices[0].message.content result = contents if isinstance(contents, str) else contents[0]['text'] except Exception as e: traceback.print_exc() return result if __name__ == "__main__": image_file = "./data/test.jpg" assert os.path.exists(image_file), f"{image_file} not exists" image = image_utils.read_image(image_file, use_rgb=True) messages = [{ "role": "user", "content": [ {"type": "text", "text": "请详细描述这张图片"}, {"type": "image_url", "image_url": {"url": image}}, ] }] messages = base64_utils.serialization(messages, prefix="data:image/jpeg;base64,", use_rgb=True) client = Client(url=url, key=key) output = client.chat(messages) print(output)

这次测试图片：

这是输出结果：

Read more

Whisper语音识别避坑指南：从安装到部署常见问题全解

Whisper语音识别避坑指南：从安装到部署常见问题全解 你是不是也遇到过这样的情况：满怀期待地部署Whisper语音识别服务，结果卡在FFmpeg找不到、GPU显存爆了、端口被占用……别急，这篇文章就是为你准备的。我们不讲大道理，只聊实战中踩过的坑和对应的解决方案。 本文基于 Whisper-large-v3 多语言语音识别 Web 服务镜像（由113小贝构建），结合真实部署经验，手把手带你绕开那些让人抓狂的“小问题”。无论你是第一次接触语音识别，还是已经折腾了一整天却始终无法启动服务，这篇避坑指南都能帮你快速上路。 1. 环境准备：别让基础配置拖后腿 1.1 硬件要求不是“建议”，是底线 先说清楚：Whisper large-v3 模型对硬件有硬性要求，不是“推荐”那么简单。这个模型参数量高达1.5B，加载一次就要吃掉近3GB显存，推理过程还会持续占用资源。 资源最低要求推荐配置GPURTX 3090 (24GB)RTX 4090 D (23GB+)内存16GB32GB存储10GB可用空间SSD

llama.cpp 部署 Qwen3-14B-Claude-4.5-Opus-High-Reasoning-Distill-GGUF

模型：Qwen3-14B-Claude-4.5-Opus-High-Reasoning-Distill-GGUF "model": "Qwen3-14B" 显存：21~25GB max-model-len ：40960 并发: 4 部署服务器：DGX-Spark-GB10 120GB 生成速率：13 tokens/s （慢的原因分析可见https://blog.ZEEKLOG.net/weixin_69334636/article/details/158497823?spm=1001.2014.3001.5501） 部署GGUF格式的模型有3种方法 对比项Ollamallama.cppLM Studio/OpenWebUI上手难度⭐ 最简单⭐⭐⭐ 需编译⭐ 图形界面推理性能🔶 中等🥇 最强🔶 中等GPU控制有限完全可控有限API服务开箱即用需手动启动内置适合场景快速部署/生产性能调优/研究本地体验

5步搞定！用Ollama玩转Llama-3.2-3B文本生成

5步搞定！用Ollama玩转Llama-3.2-3B文本生成 你是不是也试过在本地跑大模型，结果被复杂的环境配置、显存报错、依赖冲突搞得头大？或者下载完模型发现根本不会用，对着空白输入框发呆？别担心——这次我们不搞虚的，就用最轻量的方式，5个清晰步骤，从零开始把Llama-3.2-3B真正“用起来”。 这不是一篇讲原理的论文，也不是堆参数的说明书。它是一份写给真实使用者的操作手记：没有Docker命令恐惧症，不碰CUDA版本焦虑，不查GPU显存表，连笔记本都能跑得动。重点就一个：让你今天下午就能写出第一句由Llama-3.2-3B生成的、像人话一样的文字。 Llama-3.2-3B是Meta最新发布的轻量级指令微调模型，30亿参数，专为多语言对话优化。它不像动辄几十GB的大块头那样吃资源，却在文案生成、逻辑推理、多轮问答等任务上表现扎实。更重要的是——它和Ollama是天生一对。Ollama把模型封装成“开箱即用”的服务，而Llama-3.2-3B则把能力稳稳装进这个盒子。我们不需要知道Transformer里有多少层注意力头，只需要知道：点一下、输一句、等两秒、看到结果。 下

Fun-ASR模型替换实践：自定义训练模型接入步骤详解

Fun-ASR模型替换实践：自定义训练模型接入步骤详解 1. 引言 如果你用过Fun-ASR WebUI，可能会觉得它的语音识别效果已经相当不错了。但有时候，你可能会遇到一些特殊场景——比如你的业务里有大量行业术语，或者你需要识别带地方口音的方言，又或者你对识别速度有极致要求。这时候，通用的预训练模型可能就不够用了。 这时候，一个很自然的想法就出现了：能不能把我自己训练的模型，替换到Fun-ASR WebUI里用呢？ 答案是肯定的。今天我就来详细讲讲，怎么把你自己训练的语音识别模型，无缝接入到Fun-ASR WebUI系统中。整个过程其实没有想象中那么复杂，只要你跟着步骤走，大概半小时就能搞定。 2. 准备工作：了解Fun-ASR的模型结构 在开始替换之前，咱们先花几分钟了解一下Fun-ASR的模型是怎么组织的。这能帮你少走很多弯路。 2.1 Fun-ASR模型的基本组成 Fun-ASR的模型通常包含三个核心部分： 1. 声学模型：负责把音频信号转换成音素或字符的概率分布 2. 语言模型：负责根据上下文预测最可能的文字序列 3. 解码器：把声学模型和语言模型